대규모 MIMO 기반 멀티모달 의미 비직교 전송 및 융합을 위한 E2E 학습 프레임워크

초록

본 논문은 하이브리드 아날로그‑디지털 대규모 MIMO 시스템에서 멀티모달 의미 비직교 전송을 구현하기 위해, CSI‑RS 설계·피드백·아날로그 빔포밍·시맨틱 처리 전 과정을 엔드‑투‑엔드(E2E) 방식으로 공동 최적화하는 CSC‑SA‑Net을 제안한다. 다섯 개의 서브넷(BS‑CSIRS‑Net, UE‑CSANet, BS‑CSANet, UE‑MSFNet, BS‑MSFNet)을 단계별 사전학습 후 통합 학습함으로써 물리계층 스펙트럼 효율과 응용계층 의미 정확도를 동시에 향상시킨다. 시뮬레이션 결과, 전통적인 분리 설계에 비해 전송 효율과 작업 성능이 크게 개선됨을 확인하였다.

상세 분석

본 연구는 기존의 의미 통신 연구가 물리계층(MIMO)와 의미 계층을 별도로 설계하거나, CSI를 완전하게 가정하는 한계를 극복하고자 한다. 핵심 아이디어는 ‘채널‑소스‑시맨틱’ 삼중 정보를 하나의 신경망 안에서 동시에 학습시키는 것이다. 이를 위해 저자들은 다음과 같은 네트워크 구조를 설계하였다.

1. BS‑CSIRS‑Net: BS에서 전송되는 CSI‑RS 패턴을 학습한다. 전통적인 파일럿 설계와 달리, 네트워크는 전송 파워와 파일럿 길이 제약을 고려해 파일럿 시퀀스를 최적화한다. 이는 하이브리드 아날로그‑디지털 구조에서 상수 위상 제약을 만족하도록 설계된다.

2. UE‑CSANet / BS‑CSANet: 각각 UE와 BS에서 채널 의미를 추출한다. CSI‑RS를 수신한 후, Transformer 기반 인코더‑디코더가 압축된 채널 특징을 추출하고, 이를 아날로그 빔포밍/컴바이너와 연동한다. 기존 연구가 CNN 기반 압축에 머물렀던 점과 달리, Transformer는 장거리 종속성을 효율적으로 포착해 비직교 다중 사용자 환경에서도 강인한 채널 표현을 제공한다.

3. UE‑MSFNet: UE 측에서 소스(예: 이미지, 텍스트, 라이다 등)와 채널 의미를 융합한다. 여기서 ‘멀티모달’은 서로 다른 센서 데이터와 채널 상태를 동시에 고려한다는 의미이며, 두 정보를 결합한 후 암시적 DMRS(디지털 변조 기준 신호) 역할을 수행한다. 즉, 전통적인 DMRS를 별도로 전송하지 않아도, 네트워크가 자동으로 채널 보정을 위한 메타 정보를 삽입한다.

4. BS‑MSFNet: BS에서는 다중 UE로부터 수신된 비직교 신호를 바로 의미 수준에서 합성한다. 각 UE의 소스‑채널 융합 벡터를 받아 오버‑더‑에어(OTA) 방식으로 의미를 집계하고, 별도의 사용자별 복조·디코딩 과정을 생략한다. 이는 전통적인 SIC( successive interference cancellation) 대비 연산 복잡도와 지연을 크게 감소시킨다.

학습 절차는 세 단계로 구분된다. 첫 단계에서는 UE‑MSFNet과 BS‑MSFNet을 다운스트림 작업(예: 의미 분할, 객체 검출) 중심으로 사전학습해 의미 표현을 안정화한다. 두 번째 단계에서는 BS‑CSIRS‑Net과 UE/BS‑CSANet을 물리계층 스펙트럼 효율을 목표로 공동 최적화한다. 마지막 단계에서는 전체 CSC‑SA‑Net을 통합해 최종 작업 성능을 직접 최적화한다. 이렇게 단계별 학습을 수행함으로써, 각 서브넷이 독립적으로 과적합되는 위험을 방지하고, 물리‑의미 간의 상호 보완성을 극대화한다.

시뮬레이션에서는 64×8 하이브리드 massive MIMO 환경, 제한된 CSI‑RS·피드백 비트, 그리고 비직교 NOMA 방식(전력 도메인 중첩) 등을 가정하였다. 제안 모델은 전통적인 SVD‑기반 빔포밍+DJSCC, 혹은 CSI‑Net 기반 파일럿 설계와 비교했을 때, 동일 전송 예산 하에서 35 dB 수준의 스펙트럼 효율 향상과, 의미 분할 정확도(mIoU)에서 812% 상승을 기록하였다. 특히 저 SNR 구간에서 비직교 전송이 의미 융합을 통해 잡음에 강인한 특성을 보이며, 전통적인 직교 전송 대비 동일 전력·시간·주파수 자원에서 더 높은 작업 성능을 달성한다는 점이 주목할 만하다.

이 논문은 (1) CSI‑RS·피드백·빔포밍을 의미 네트워크와 공동 설계, (2) 비직교 다중 사용자 전송을 의미 수준에서 직접 융합, (3) Transformer 기반 채널 의미 추출을 통해 대규모 안테나 환경에 적합한 경량 모델 구현이라는 세 가지 혁신을 동시에 제공한다. 향후 연구에서는 이동성에 따른 도플러 효과, 다중 모드(음성·텍스트·3D 포인트 클라우드) 확장, 그리고 실제 하드웨어 구현을 통한 실시간 성능 검증이 필요할 것으로 보인다.